ある製造業のFMEA文書では、「ラベルの誤貼付」が故障モードとして挙げられ、検出スコアは3とされていました。これは、シフトごとに2回行われるライン終端での目視検査に対するチームの信頼を反映したものです。
リコールにつながったラベルの誤貼付は、水曜日の午前2時47分、その検査と検査の間に発生しました。製造プロセスにおけるFMEAが故障モードを特定できなかったわけではありません。故障が発生した時点と、検出管理によってそれが発見される時点との間のギャップを考慮できていなかったのです。
本ガイドでは、そのギャップをどのように埋めるかを解説します。
製造業におけるFMEAは、製品やプロセスの潜在的な故障モードを特定し、深刻度、発生頻度、検出難易度でスコアリングを行い、それらのスコアに基づいて是正措置の優先順位を決定する構造的な手法です。リスク優先度（RPN）の算出（S x O x D）により、リソースの配分先が決まります。AIビジョンシステムは、静的なFMEAに残されたギャップを埋める役割を果たします。つまり、推定による検出スコアを実際の検査データに置き換え、ライブの発生率を継続的にリスクレジスターへフィードバックするのです。
製造業におけるFMEAとは何か、そしてなぜ従来のRPN法では不十分なのか？
FMEAの製造手法では、製品やプロセスで発生しうるあらゆる故障モードを特定し、深刻度（S）、発生頻度（O）、検出難易度（D）でスコアリングし、リスク優先度（S x O x D = RPN）でランク付けします。FMEAは是正措置を推進し、故障が顧客に届くことや生産停止を引き起こすことを未然に防ぎます。
FMEAは1940年代の米軍の故障解析製造実務に端を発し、自動車（IATF 16949）、航空宇宙、医療機器（ISO 13485）、および一般製造業において、必須または推奨される品質管理手法として採用されてきました（ASQ FMEA手法の概要）。手法自体は健全ですが、スコアリングシステムには既知の欠陥があります。
AIAGおよびVDAのFMEAハンドブックでは、一律のRPN閾値に代わるアクション優先度（AP）システムが導入されました。これは、S=9、O=2、D=5（安全に関わる重大な故障）のRPN 90の方が、S=2、O=6、D=10（外観上の問題）のRPN 120よりも重要であるためです。従来の計算式では、外観上の問題の方が高くスコアリングされてしまいます。規格の策定機関自身がこの問題を認め、ガイダンスを改訂しました。（Symestic FMEA製造ガイド、2026年4月）
RPNスコアを構成する3つの要素
すべてのリスク優先度の算出は、1から10でスコアリングされる3つの独立した評価の積であり、それぞれが生産チームの管理能力について異なる前提に基づいています。
1. 深刻度（S）
深刻度は、故障が発生した場合の顧客や後工程への影響を測定するものであり、故障の発生しやすさを示すものではありません。評価基準は1（影響なし）から始まり、5〜6（製品機能の低下）、9〜10（安全への影響や規制違反）まで設定されています。
重要なポイント：深刻度は、検査を増やすだけでは低減できません。高い深刻度スコアを改善するには、製品設計やプロセスのエンジニアリング変更が必要です。ラインの終端にカメラを追加しても、故障が発生した場合の影響を低減することはできません。根本原因を取り除くことだけが解決策となります。
2. 発生頻度（O）
発生頻度は、現在の予防管理下で故障モードがどの程度の頻度で発生するかをスコアリングします。スコア1は、故障が極めて稀であり、発生する可能性がほとんどないことを意味します。スコア10は、故障が繰り返し発生しており、現在の予防管理が機能していないことを意味します。発生頻度は、検出管理ではなく、予防措置を講じることで低減されます。
多くの施設における発生頻度（Occurrence）スコアの構造的な問題は、そのスコアが欠陥頻度のログに基づいたものではなく、チームの経験に基づく推定値であるという点です。KOMPASSが生産サイクルごとに分類された検査ログを生成することで、発生頻度スコアは単なる推測ではなく、データに基づいた数値となります。
機械学習を統合したFMEA製造アプローチでは、構造化された検査データで学習させた場合、RPN予測精度において0.985の決定係数（R二乗値）を達成しています（ScienceDirect、2026年1月）。
3. 検出難易度（D）
検出難易度（Detection）は、現在の管理手法で顧客に製品が届く前に不具合を発見できる可能性を評価するものです。スコア1は不具合がほぼ確実に検出されることを意味し、スコア10は現在の管理手法では全く検出できないことを意味します。
本ブログの冒頭で触れた午前2時47分のシナリオは、検出難易度のスコアに関する問題です。チームは最終工程での検査を信頼し、検出難易度を3と評価しました。その信頼は、実際に行われた検査に対しては妥当なものでした。
しかし、検査と検査の間に行われた生産に対しては妥当ではありませんでした。手動による検査間隔は、検出管理手法とは別物です。リスク評価の質は、これら2つの概念のギャップをどれだけ理解しているかにかかっています。
製造におけるプロセスFMEAと設計FMEAの違いとは？
プロセスFMEAガイドは、製造プロセスそのものにおける故障モード、つまり欠陥品を生み出す可能性のある工程を分析します。一方、設計FMEAの製造分析は、金型製作に着手する前に製品設計における故障モードを特定します。完全な品質システムにはその両方が不可欠です。設計FMEAの製造分析を省略すると、プロセスFMEAでは根本原因を特定できないような、繰り返される製造上の欠陥を引き起こす原因となります。
DFMEAが実施される時期とその成果物
設計FMEAは、最初の金型製作前に、製品設計エンジニア、信頼性エンジニア、顧客アプリケーションエンジニアを含むチームによって実施されます。入力データは設計要件と顧客の機能仕様書であり、出力は、特定された故障モードが製造プロセスに現れないようにするための設計変更の推奨事項、仕様の改訂、および検証試験の要件です。
DFMEAは「この設計図のままで、現場で機能不全を起こす製品が作られる可能性はないか？」という問いに答えるものです。金型製作が始まり、生産が開始された後のことは扱いません。それはPFMEAの役割です。
PFMEAが実施される時期とその成果物
プロセスFMEAの製造分析は、生産開始前に、品質エンジニア、製造エンジニア、プロセスエンジニア、生産オペレーション担当者を含む部門横断的なチームによって実施されます。入力データはプロセスフロー図と管理計画案であり、出力は管理計画の更新、検出管理の強化、是正処置（CAPA）の割り当て、および標準作業手順書（SOP）の改訂です。
PFMEAは「この製造プロセスにおいて、どのような方法で欠陥品が作られる可能性があり、どのような管理手法でそれを防ぐか？」という問いに答えるものです。これは多くの施設で維持されている「生きた」品質文書ですが、ほとんどの場合、最初の立ち上げレビュー以降は更新が滞っています。
FMEAが品質部門単独ではなく、部門横断的であるべき理由
FMEA製造分析は、製品設計や製造プロセスにおける潜在的な故障モードを特定し、深刻度、発生頻度、検出難易度でそれぞれスコアリングした上で、是正処置の優先順位を決定する構造化されたリスク評価品質手法です。
これは、品質、製造技術、プロセス技術、オペレーション部門を含む部門横断的なチームによって実施されるべきです。品質エンジニアが一人でスプレッドシートに向かって作業するだけでは、すべてのプロセス故障モードを正確に把握することはできません。
プロセスFMEAを7つのステップで構築する方法とは？
プロセスFMEAガイドは、プロセスの範囲定義、各ステップにおける故障モードの特定、顧客や後工程への影響分析、原因の特定、現在の予防・検出管理策の評価、RPNの算出またはAIAG-VDAアクション優先度表の適用、そして担当者と期限を定めた是正処置の割り当てという、6〜7つの順次ステップで構成されます。
ステップ1〜3：範囲、故障モード、影響
ステップ1 境界を定義します。どの製造工程が対象範囲か、各ステップで何を行うか、どのようなアウトプットが期待されるかを明確にします。 ステップ2 各ステップにおける故障モードを特定します。そのステップでどのような誤ったアウトプットが生じる可能性があるか、あるいは機能不全に陥る可能性があるかを検討します。目的は、明白な過去の故障事例だけでなく、発生確率の低いものを含め、考えられるすべての故障モードを特定することです。
ステップ3 各故障モードが顧客や後工程に与える影響を分析します。ここで深刻度（Severity）スコアが設定されます。安全に影響を及ぼす故障モードは、発生頻度に関わらず9〜10と評価しなければなりません。製造現場のFMEAにおいて、深刻度スコアは交渉の余地がない入力値であり、頻度データを用いて数値を下げることはできません。
ステップ4〜5：原因と現在の管理策
ステップ4 各故障モードの具体的な原因を特定します。ここでは「なぜなぜ分析（5 Whys）」や「イシカワ（フィッシュボーン）図」が用いられます。原因は物理的かつ検証可能なものである必要があり、「作業者のミス」といった症状の説明であってはなりません。有効な原因の例として、「温度制御リレーにドリフトアラームがないため、シールヘッドの温度が許容範囲を超えた」などが挙げられます。
ステップ5 現在の予防管理策（原因の発生を未然に防ぐもの）と、現在の検出管理策（発生後に故障を発見するもの）を評価します。ここで検出度（Detection）スコアが設定されます。30分ごとの目視チェックは、多くの評価表において検出度スコア5〜7に相当します。製造現場のFMEAでは、検出度スコアは「管理策が完璧に機能している場合」ではなく、「現在の管理策で実際に故障を発見できる確率」を反映させる必要があります。
ステップ6〜7：リスク評価と是正処置の完了
ステップ6 RPN（深刻度×発生頻度×検出度）を算出し、AIAG-VDAアクション優先度表を適用します。これにより、単一のRPN閾値ではなく、深刻度を重視した評価に基づき、故障モードを「高（即時対応）」「中（計画的対応）」「低（記録・監視）」に分類します。このステップにより、エンジニアリングリソースをどこに投入すべきかが明確になります。
ステップ7 担当者と完了期限を定めた是正処置を割り当てます。完了後、RPNが許容レベルまで低下したことを確認するためにスコアを再評価します。是正処置完了後に再評価を行わないFMEA製造文書は、リスク管理ツールではなく、単なるコンプライアンス記録に過ぎません。
AIビジョンはFMEAにおける検出と発生のギャップをどのように埋めるのか？
AIビジョンシステムは、製造現場のFMEAを定期的なコンプライアンス業務から継続的なリスク管理システムへと変革します。故障モード影響解析のスコアリングには、常に正確な発生頻度と検出データが求められてきました。AI検査システムは、手動のデータ収集では到達できない規模で、継続的かつ自動的にそのデータを提供します。
KOMPASSが推定発生率スコアを実データに置き換える仕組み
KOMPASSは100%のインライン検査を実行し、欠陥の種類、ロット、ライン、シフト、タイムスタンプといったすべての検査イベントを記録します。30日間の生産期間中、そのログにはKOMPASSが検出するように設定されたあらゆる故障モードの実際の発生頻度が蓄積されます。FMEA台帳の「発生頻度（Occurrence）」スコアは、チームの記憶に基づく「推定」ではなく、このデータに基づいて更新可能になります。
この変化は、推定リスクスコアとデータに基づくスコアの決定的な違いを生みます。故障モード影響解析（FMEA）の手法は、常に正確な発生頻度データを前提としてきました。AIはそれを実現します。Jidokaの KOMPASS AI外観検査 は、すべての欠陥イベントを分類して記録し、FMEAの発生頻度スコア算出に必要な構造化されたデータを作成します。
100%の検査カバレッジが「検出難易度（Detection）」スコアをどう変えるか
30分ごとの目視検査には、構造的な欠陥があります。検査と検査の間に発生した不具合は、検出ポイントで見逃されてしまうのです。その管理項目に割り当てられる検出難易度スコアは、検査が行われない時間帯を含め、全生産期間を通じた検出確率を反映したものであるべきです。
KOMPASSはすべての製品を検査するため、監視されない時間帯は存在しません。KOMPASSがカバーする故障モードの検出難易度スコアは、あらゆるFMEA製造スコアリングテーブルにおいて1〜2となります。AIは故障モード影響解析を、断続的なリスク管理から継続的なリスク管理へと変革します（MAD AI、2025年8月）。このブログの冒頭で挙げた午前2時47分の見逃しは、FMEAが変わったからではなく、そこに記載されていた検出管理が「現実のもの」となったことで解消されます。
NAGAREが是正処置の遵守を検証する仕組み
FMEAの是正処置には、新しいSOP手順、作業手順の変更、ポカヨケの修正など、プロセスの変更が伴うことがよくあります。FMEAは、それらの変更が常に遵守されることを前提としています。検証メカニズムがなければ、その前提はAI導入前の検出難易度スコアと同様に、楽観的なものに過ぎません。
Jidokaの NAGAREプロセスモニタリング は、是正SOPをデジタル化し、すべての作業者の動作を監視します。FMEAの是正処置で「作業前にシール温度が許容範囲内であることを確認する」ことが求められる場合、NAGAREはすべての生産サイクル、すべてのシフトにおいてその確認ステップが完了していることを保証します。これにより、FMEA製造リスク台帳で想定されていた検出精度の向上が、検証済みの事実となります。
Jidoka TechnologiesとFMEAの統合
KOMPASSとNAGAREは、FMEAの製造スコアが「推定」ではなく「現実」を反映しているかを決定づける2つの要素に対処します。それは、100%の検査カバレッジによる「発生頻度」データと、継続的なプロセス監視による「検出」の検証です。
- KOMPASS： 100%インライン欠陥検出 は、種類、頻度、ロット、シフト別に構造化された欠陥ログを生成します。これにより、実際の発生頻度データをFMEA台帳に反映し、検出難易度スコアを1〜2の範囲に改善します。
- NAGARE： デジタル作業指示の徹底 各生産サイクルにおいて、是正措置SOPの遵守状況を検証します。是正措置の有効性に関する「想定」を、検証済みのデータへと変換します。
- 対応業界： 以下の分野で活用されています： 自動車、 医薬品、 電子機器、および 日用消費財（FMCG） など、FMEAが規制や顧客監査の要件となっている環境。
KOMPASSとNAGAREがどのように実際の生産データをリスク評価品質プログラムに反映させるか、詳細は以下をご覧ください。 jidoka-tech。
結論
午前2時47分に発生したラベルの誤りは、FMEA製造プロセスの不備ではありません。FMEAが十分であると想定していた検出管理の不備でした。KOMPASSが100%検査を実行し、そのデータをFMEAレジスタにフィードバックすることで、午前2時47分に生じたギャップは解消されます。これは故障モード影響解析の内容が変わったからではなく、そこに記載されていた検出管理が現実のものとなったからです。
KOMPASSとNAGAREがどのように実際の生産データをリスク評価品質プログラムに反映させるか、詳細は以下をご覧ください。 jidoka-tech.ai.
よくある質問
1. 製造業におけるFMEAとは何ですか？
製造業におけるFMEA（故障モード影響解析）は、製品設計や製造プロセスにおける潜在的な故障モードを特定し、その深刻度、発生頻度、検出難易度をスコアリングして、是正措置の優先順位を決定する構造的なリスク評価手法です。これは品質管理担当者が一人でスプレッドシートに向かって行うものではなく、品質管理、製造技術、プロセスエンジニアリング、現場運営など、部門横断的なチームで実施する必要があります。
2. FMEAにおけるリスク優先度（RPN）はどのように算出されますか？
FMEAのリスク優先度（RPN）は、深刻度（S）、発生頻度（O）、検出難易度（D）の3つのスコア（各1〜10段階）を掛け合わせて算出され、1から1,000の範囲で評価されます。AIAG-VDA FMEAハンドブックでは、現在、単純なRPNの閾値だけでなく、アクション優先度（AP）テーブルの併用が推奨されています。これは、RPNが同じ値であっても、深刻度のスコアが大きく異なる場合にはリスクの性質が全く異なる可能性があるためです。
3. 製造業におけるプロセスFMEAと設計FMEAの違いは何ですか？
設計FMEAは、金型製作前に製品設計上の潜在的な故障モードを分析するのに対し、プロセスFMEAは製造プロセスそのものにおける故障モードを分析します。完全な品質システムには両方が不可欠です。設計FMEAは設計に起因する故障を生産前に防ぎ、プロセスFMEAは製造ラインで発生するプロセス起因の故障を捉えます。設計FMEAを省略すると、プロセスFMEAでは根本原因を特定できない製造上の欠陥が繰り返し発生する原因となります。
4. AIはどのようにFMEAの検出スコアを向上させますか？
AI画像認識システムは、定期的な目視検査を100%の連続検査に置き換えることで、FMEAの検出スコアを向上させます。これにより、検査と検査の間に未検出の故障が蓄積されるというギャップを解消します。KOMPASS AI画像認識はすべての検査イベントを記録し、FMEAのスコアリングの根拠となる実際の発生データと検出データを提供します。これにより、多くの現場で現在行われている推定値に基づくスコアリングを、実データに基づくものへと変革します。
5. 製造現場においてFMEAはどのくらいの頻度で更新すべきですか？
FMEAは、単に年次スケジュールで更新するだけでなく、設計変更、プロセス変更、新たな故障モードの発見、顧客からの苦情が発生した際にその都度見直し、更新する必要があります。AIAG-VDA規格では、FMEAの製造ドキュメントを「生きている品質記録」として扱います。欠陥イベントを継続的に記録し、逸脱パターンを検知するAIシステムを活用すれば、四半期ごとや不定期な更新サイクルから脱却し、イベント駆動型の自動的なFMEA見直しが可能になります。
